基于特征金字塔融合的水下目标识别方法研究

• 全文链接
• 请求原文

作   者：

刘梦然;  连恒绪;  聂磊;  简泽明; 

作者机构：

湖北工业大学机械工程学院现代制造质量工程湖北省重点实验室; 

关键词：

深度学习;  特征金字塔融合;  水下目标识别; 

期刊名称：

舰船科学技术

i s s n：

1672-7649

年卷期：

2025 年 47 卷 004 期

页   码：

117-123

摘   要：

复杂的海洋环境会加大水下目标识别的难度，为进一步提高水下目标识别准确率，本文提出基于特征金字塔融合的识别方法。提取了梅尔频率的倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）、线性预测倒谱系数（Linear Predictive Cepstral Coefficient,LPCC）、色度频谱和短时能量4种频率信息不同的特征，分别基于特征金字塔完成特征的深层信息与浅层信息之间的融合，并将融合特征分别输入迁移学习后的轻量化神经网络shufflenetV2，进行水下目标识别。在Deepship数据集和Shipsear数据集上进行测试，结果表明，本文中4种频率信息不同特征基于特征金字塔融合后水下目标识别准确率均大于98%，相比于原始特征，识别准确率更高。该方法可应用于海洋资源勘探、海洋防御与安全、海洋环境监测等场景，为水下目标识别领域的研究提供了新的思路。